Stage : Assistant Data scientist (H/F)

Contenu de l'offre Stage : Assistant Data scientist (H/F) chez Oui.sncf

Leader du e-commerce français, e.Voyageurs SNCF, filiale digitale de SNCF, a vendu plus d’1 milliard de billets depuis sa naissance et a réalisé 3 milliards d’euros de volume d’affaires en 2020.

OUI.sncf est le 2 ème site de e-commerce dans la catégorie tourisme le plus visité en France avec plus de 12 millions de visiteurs uniques par mois en 2020.

Avec un tel trafic et un tel niveau de transactions, nous rencontrons de grands enjeux techniques et fonctionnels pour traiter et analyser cette quantité de données, avec les 120 téraoctets de données gérées tous les mois !

Vous travaillerez sur un sujet impactant directement notre business et l’expérience client. Par exemple, vous pourriez identifier des profils clients intéressés par un billet 1 ère classe, essayer de prédire l’abandon d’un achat en cours par un client ou bien prévoir le niveau de remplissage des trains.

Vos missions incluront également une part de veille technologique et de montée en compétences sur les thématiques liées à la Data Science et leur intégration dans un environnement de production mature et complexe sur le cloud.

D’autres analyses seront à effectuer afin d’identifier de nouvelles opportunités que la Data Science peut offrir à e.Voyageurs SNCF et de qualifier ainsi de nouveaux cas d’usage.

Vous évoluerez au sein d’une équipe utilisant des méthodes agiles et votre projet aura vocation à être mis en production. Pour cela, vous échangerez quotidiennement avec des Data Scientists et Data Engineers qui vous partageront leur expérience. Vous serez également en contact avec les équipes métiers pour une meilleure activation de vos développements. 

·  Manipuler et analyser de grosses quantités de données avec des techniques mathématiques et statistiques.
·  Mettre en place des algorithmes statistiques, de Machine Learning ou de Deep Learning dans un contexte de mise en production sur le cloud (AWS).
·  Mesurer la performance des algorithmes pour satisfaire les attentes métiers et répondre aux enjeux de l’entreprise.
·  Utiliser les bonnes pratiques de code (implémentation de tests, code fonctionnel, …) pour faciliter l’industrialisation des projets data.
·  Veille technologique et montée en compétence
·  Identification de nouveaux cas d’usage
·  Présenter et expliquer vos analyses et réalisations à des publics métiers et techniques.